Компанията Robbyant, подразделение на китайския технологичен холдинг Ant Group, публикува отворения код на LingBot-World 2.0 — AI модел, способен да генерира интерактивни виртуални светове с продължителност до един час. Системата създава сцени с резолюция 720p и честота 60 кадъра в секунда, като поддържа визуална стабилност през цялата сесия.
Новата версия значително превъзхожда предишния модел LingBot-World, който можеше да поддържа съгласувано генериране на сцени само в продължение на няколко минути. Според разработчиците LingBot-World 2.0 решава един от основните проблеми на моделите за изкуствен интелект за създаване на светове (World model) — постепенното влошаване на качеството при продължителна работа, когато текстурите, геометрията на обектите и логиката на случващото се започват да се разпадат.
В основата на модела лежи подходът на предварително обучение на причинно-следствени връзки и механизмът за „двупосочно внимание“ MoBA (Mask of Bidirectional Attention), разработен от Robbyant. Тази технология помага на ИИ да отчита развитието на заобикалящия свят във времето и да запазва последователността на събитията. По време на часови стрес-тестове моделът демонстрира стабилно качество на изображението дори в динамични сцени с голям брой действия.
Нови хоризонти пред дигиталния дизайн
LingBot-World 2.0 позволява на потребителите да взаимодействат със създадените светове в реално време. Персонажите могат да извършват различни действия — да атакуват, да използват заклинания, да скачат и да се плъзгат. С помощта на текстови команди може да се променя околната среда, например да се задейства смяната на деня и нощта, да се променя времето или да се добавят нови герои.
За управление на виртуалните пространства моделът използва архитектура от два агента. Единият ИИ-агент отговаря за действията на управлявания герой, а вторият — за развитието на събитията и създаването на нови елементи в сцената. Освен това няколко потребители могат едновременно да се свързват с един постоянно съществуващ свят, създаден от изкуствен интелект.Освен пълната версия, Robbyant пусна оптимизирана версия с ускорено извеждане на данни, насочена към интерактивните приложения и игровия процес с ниска латентност. LingBot-World 2.0 вече е достъпна чрез платформите Reactor, GitHub и Hugging Face, а разработчиците могат да я използват и модифицират благодарение на отворения лиценз.
LingBot-World 2.0 се превърна в един от шестте ИИ-модела, които Robbyant позиционира като основа за бъдещи роботизирани системи. В този набор са включени и модели за генериране на видео, пространствено възприятие, визуален анализ и управление на роботи. Целта на разработчиците е да създадат отворена екосистема за въплътен интелект, където ИИ ще може не само да създава цифрови светове, но и да помага на роботите да взаимодействат с физическата реалност.
Този проект показва, че генеративните технологии навлизат в изцяло нова фаза на зрялост.